棉织物透气性能的BP神经网络预测研究

采用BP神经网络技术建立和训练反映织物结构参数与织物透气性能之间关系的三层神经网络模型，可预测织的透气性能，比较预测值和试验值，表明用神经网络方法预测织物透气性能有相当的准确性，从而在一定程度上实现用神经网络预测织物的透气性能。     

用BP神经网络预测精纺毛织物后整理质量

通过确定合理的输入层单元数、隐层节点数,以3层BP神经网络建立了原料、纱线和后整理工艺参数与织物质量间的关系,对实际加工工艺进行预测,获得较满意的效果,证明该方法的实用性;同时建立了织物质量与工艺参数间的关系,并对重要工艺参数进行反演预测,为控制生产提供了指导.     

基于因子分析的精纺毛织物透气性能的系统聚类

采用因子分析方法对20种精纺毛织物的12个与透气性密切相关的结构参数进行优化提取,结果表明:12个结构参数可以综合成4个因子变量,分别代表着织物结构特征中的紧密程度、厚重、经纬交织结构相、纱线规格等4个方面。以因子得分及透气性为变量,对20种精纺毛织物进行了系统聚类。结果表明:聚类水平控制在λ≤5较为合适,在该水平下,精纺毛织物的透气性可以划分为4个区间,每个区间内的织物具有相似性。     

真丝绸透气性能的BP神经网络预测研究

采用BP神经网络技术建立和训练反映织物结构参数与织物透气性能之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测丝织物透气性能有相当的准确性。     

精纺毛织物透气性预测回归模型研究

以精纺毛织物为对象,采用主成分回归方法建立了织物透气性与提取主成分的关系模型;通过对多元回归模型假设检验、回归方程及系数显著性检验和拟合度衡量,完成了对该回归方程的有效性检验。结果表明所得方程满足多元回归模型的假设,多元回归关系非常显著,拟合度高。     

基于BP神经网络的服装里料透气性能预测

针对典型的十几种服装里料进行规格以及透气性能指标测试,然后,运用人工神经网络对所测数据进行处理,最终实现对里料透气性能的预测分析。     

精纺毛织物的孔隙与结构及透气性的关系

在23种精纺毛型织物实验数据基础上，探讨r织物孔隙分布的特征，孔隙与织物结构以及透气性能的关系。研究结果表明：织物孔隙在较宽范围内呈现由小到大，左偏不对称分布，纱线问孔隙和纤维间孔隙有比较明显的分界限；织物孔隙大小与织物紧度及组织浮长呈较明显的负相关，相关系数在O．4以上，而与平方米重和厚度相关性不明显；除织物最大孔径与透气量相关性稍差(相关系数=O．66)之外，其它织物孔径指标与织物透气量的相关系数均在O．8以上。     

薄型精纺毛织物透气性与织物结构参数的关系

采用Y561织物透气量仪对14种不同结构参数的精纺薄型毛织物进行透气性实验,并借助应用软件对实验数据进行分析.研究结果表明:薄型精纺毛织物的透气性不仅与纱线原料的吸湿性,经纬纱捻度、线密度有关,还与织物组织、经纬密有很大的关系,但薄型毛织物的厚度对透气性影响较小.     

毛织物起毛起球的BP神经网络预测研究

采用BP神经网络技术建立和训练反应纱线、织物结构参数与织物起毛起球性之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测织物起毛起球性有相当的准确性。     

BP神经网络预测降落伞绸透气性的研究

透气性是降落伞绸的重要性能指标。降落伞绸织物的纱线线密度和织物密度、厚度、面密度及织物组织等结构参数与其透气量存在非线性的关系,由于织物结构各参数间的非线性关系及多个影响因素共同对织物的透气性能的作用,织物结构参数与其透气性能之间很难用传统数学、力学的方法来描述。人工神经网络能够处理复杂的非线性关系。本课题研究了利用人工神经网络来预测降落伞绸织物的透气性能,以期代替传统的测试方法,从而在新品种设计时对织物的参数设定提供指导。     

Prediction of the shearing hysteresis of worsted fabrics

In this article, we assume that the shearing hysteresis of woven fabrics comes only from the friction resistance of warp and weft yarns at the interlacing points. The theoretical equation expressing fabric shearing hysteresis with fabric structure and the shearing hysteresis of every interlacing point was established. A total of 49 kinds of worsted fabrics were used to explore the relation between the shearing hysteresis of every interlacing point and the structure parameters, and then the optimal experimental equations were established using statistical method. By combining the theoretical equation and experimental equations, a set of predicted equations for fabric shearing hysteresis were derived. The validation with eight kinds of worsted fabrics shows the average error about 10% and maximum error below 20%.     

毛精纺前纺工艺参数重要性的BP网络定量评价法

在BP神经网络建模技术的基础上,提出利用神经网络输入层与输出层之间的网络权值及其分布来求各输入参数重要程度的方法。将采集到的毛精纺企业前纺工艺参数运用BP神经网络分别建立了粗纱CV值和粗纱单重的预测模型。结果表明:所建模型的平均相对误差都低于3%;采用样本数据验证,其预报值与实测值间的相关系数都高于0.95。对所建模型的网络权重进行提取,分别计算出13个输入参数对粗纱CV值和粗纱单重的重要性,挖掘出显著而有效的参数。经对比认为,BP网络法比多元回归显著性分析(MRSA)更为精准,可用于对实际生产加工的预报和控制。     

精纺毛织物起毛起球的分析

引起精纺毛织物起毛起球的因素很多,文章通过大量的实验研究了毛织物起毛起球的原因,从纱线捻度、化纤与羊毛混纺比、织物密度、织物组织、后整理工艺等方面着手,通过对实验结果的分析提出了改善毛织物起毛起球的方法.     

精梳毛织物经档疵点的分析与预防

分析了精梳毛织物经档疵点的危害.着重从原料的选择搭配、纺纱蒸纱工艺的制定、毛纱的存放要求、整经及织造工序的工艺制定及操作要求等方面,研究了精梳毛织物在生产过程中经档疵点产生的原因及形成的机理,并针对各个工序分别提出了对应的预防、控制和消除产生经档疵点的具体措施,同时提出了在企业日常的生产工艺质量管理中,为避免精梳毛织物经档疵点的产生应当注意的一些操作方法.     

毛涤精纺织物风格探讨

在4种精纺毛型织物基础上,探讨了含有不同类型涤纶精纺毛型面料的基本风格.结果表明,在一定条件下,中空涤纶对织物丰满度的提高比较明显,但涤纶含量增加到一定程度时,中空涤纶和常规涤纶对风格的影响差异不明显.     

拉细羊毛织物结构与风格研究

文章以拉细羊毛(OPTIM)纤维纯纺及混纺织物为对象,应用扫描电子显微镜(SEM)观察拉细羊毛织物表观形态结构,测试了织物风格、动态悬垂性和光泽.研究结果表明:拉细羊毛织物拉伸功及压缩功回复率高;平均摩擦因数小,摩擦因数的平均差不匀率大,织物滑爽;织物压缩平均厚度值小,表面厚度较小,织物的光泽正反射光强和漫反射光强较大,对比光泽度较大,呈现良好的光泽及平滑性.